오늘의 브리프
타임라인
TODAY TLDR
OpenAI가 안전 연구원 해고는 정책 위반 때문이라고 반박했고, Neel Nanda는 앞뒤가 안 맞는다고 다시 받아쳤습니다. OpenAI는 GPT-6.1 Sol을 최대 8배 빠르게 돌리는 Ultrafast를, Anthropic은 Claude Dashboards·Motion 베타를 냈고, Microsoft는 판단만 하는 작은 모델 Decision-1을 공개했습니다. 과학 쪽에선 Claude로 완성한 첫 자외선 전천 지도, 과학자의 AI 사용을 분석한 DeepMind 에세이, Lean을 무작정 믿지 말자는 Tao 블로그 글이 나왔습니다.
OpenAI (공식 입장) · Neel Nanda (X)
OpenAI 연구 책임자들이 안전 연구원 3명을 내보낸 건 민감 정보 취급 규정을 어겼기 때문이라고 밝혔다.
안전 문제를 제기해서 해고한 건 아니라고 했다. 외부 안전 평가 기관과의 계약도 몇 주 안에 발표하겠다고 했다.
Google DeepMind의 Neel Nanda는 앞뒤가 안 맞는다며, 세 사람이 각각 다른 해고 사유를 들었다는 점을 다시 짚었다.
왜 OpenAI의 안전 약속을 지켜보고 있다면, 몇 주 안에 나온다는 외부 평가 기관 계약 내용을 확인할 때.
OpenAI (개발자 발표)
OpenAI가 GPT-6.1 Sol의 초고속 모드 Ultrafast를 API, Codex, ChatGPT Work에 풀었다. 기본 Sol보다 최대 8배 빠르다고 했다.
API 가격은 입력 100만 토큰당 12달러, 출력 60달러다. 기본 요금의 6배이고, GPT-6 Astra의 약 1.2배다.
Codex와 ChatGPT Work에선 Pro 500 요금제와 일부 Enterprise·Edu 플랜에서만 쓸 수 있다.
왜 장애 대응이나 실시간 에이전트처럼 몇 초가 아쉬운 작업이라면, 6배 요금을 낼 만한지 따져 볼 때.
Anthropic (Claude 제품 발표)
Anthropic이 Claude Dashboards 베타를 유료 플랜에 냈다. BigQuery나 Snowflake, Salesforce를 연결하고 말로 물으면 실시간 대시보드를 만들어 준다.
Claude Motion은 보고서와 차트를 짧은 애니메이션으로 바꿔 MP4로 내보낸다. Team·Enterprise 플랜용 베타다.
Docs, Slides, Design은 베타를 끝내고 무료 플랜까지 열렸다.
왜 간단한 지표를 볼 때마다 SQL이나 분석팀에 기대고 있다면, 유료 플랜에서 Dashboards부터 써 볼 때.
Satya Nadella · Microsoft
Microsoft가 분류, 라우팅, 검증 같은 판단만 하는 모델 Microsoft-Decision-1을 Foundry에 냈다.
보기마다 확률을 매겨 답한다. 36개 벤치마크에서 정확도 1위였고, GPT-6 Sol보다 35배 빨랐다고 밝혔다.
입력 100만 토큰당 0.042달러이고 출력은 무료다. 바탕은 Qwen3.5-9B다.
왜 에이전트 안에서 예/아니오 판단을 큰 모델에 맡기고 있다면, 비용과 속도를 줄일 대안으로 시험해 볼 때.
Anthropic (Science 블로그 · Brice Ménard)
천체물리학자 Brice Ménard가 Claude Science로 하늘 전체를 담은 첫 자외선 지도를 만들었다.
하늘의 약 3분의 1은 자외선으로 관측된 적이 없다. Claude는 다른 파장 데이터로 그 부분을 추정했고, 시험해 보니 실제 값과 약 10% 차이였다.
사람이 하면 몇 주 걸릴 일이 며칠 만에 끝났다. 그동안 Ménard는 다른 연구를 했다.
왜 미뤄 둔 정리·보정 작업이 쌓인 연구자라면, 에이전트에 맡길 만한 일인지 가늠해 볼 사례.
Google DeepMind Institute (James Manyika · Alex Imas) · Shane Legg 공유
Google DeepMind Institute가 Gemini 대화 1,500만 건과 과학자 600여 명 설문으로 과학 연구의 AI 사용을 분석했다.
과학자 절반 가까이가 매일 AI를 쓰고, 주당 7시간 가까이 아낀다고 답했다.
대신 병목은 실험과 검증으로 옮겨 갔다. 응답자 50% 가까이는 AI 탓에 무난한 질문에 몰린다고 했다.
왜 연구실에 AI를 들이는 중이라면, 아낀 시간이 검증 작업으로 다시 빠져나가지 않는지 함께 볼 때.
Terence Tao (블로그 게스트 글 · Thomas Hales)
Terence Tao 블로그에 Thomas Hales가 증명 검증기 Lean의 신뢰성을 다룬 글을 실었다. AI 자동 형식화는 2026년에 현실이 됐다고 봤다.
올여름 AI가 Lean 핵심부의 버그를 여럿 찾아냈다. 모두 고쳐졌지만, Lean 이론의 일관성 증명은 아직 완전히 공개되지 않았다고 짚었다.
그는 수학의 기초 작업을 사람 검토 없이 AI에 맡기는 건 위험하다고 경고했다.
왜 AI가 낸 증명을 “Lean으로 검증됐다”는 말만 보고 믿고 있었다면, 어디까지 믿을지 다시 정할 때.
François Chollet (X)
François Chollet는 2023~2026년 AI 투자가 진척보다 빠르게 늘었다고 짚었다. 진척을 이어 가려면 투자만큼 이익도 늘어야 한다고 봤다.
그는 과학을 자기 개선 시스템의 본보기로 들었다. 사람, 돈, 컴퓨트는 기하급수로 늘었지만 성과는 직선에 가깝게 늘었다는 설명이다.
AI의 자기 개선은 이미 일어나고 있다고 인정했다. 다만 ‘지능 폭발’로 이어지지는 않는다고 했다.
왜 AGI 일정을 가늠하고 있다면, 투자와 성과의 비율로 보는 회의론의 근거도 같이 챙겨 둘 때.
Latent Space (swyx · Brandon)
Latent Space가 Periodic Labs 공동 창업자 Liam Fedus, Ekin Dogus Cubuk을 인터뷰했다. 신소재를 찾는 AI 과학자를 만드는 회사다.
두 사람은 똑똑함만으론 발견이 안 된다고 했다. 이 회사의 강화학습 환경은 실제 실험실에서 나온다.
실패한 실험도 귀한 학습 데이터라고 봤다. 미래의 최첨단 모델도 결국 직접 실험해야 한다는 주장이다.
왜 AI로 과학 발견이 얼마나 빨라질지 가늠하고 있다면, 실험이라는 속도 제한을 이해하는 데 들어 볼 만한 1시간 24분.
Simon Willison
Simon Willison이 ChatGPT 데스크톱 앱의 Codex 음성 모드로 블로그에 뉴스레터 페이지를 만들었다.
요리하는 30분 동안 말로만 지시해 대부분을 완성했다. 마무리 검토에는 타이핑으로 30분이 더 들었다.
그는 일상 도구로 쓰진 않겠다고 했다. 대신 다른 일을 하면서 코딩할 수 있다는 점을 가장 큰 장점으로 꼽았다.
왜 코딩 에이전트를 음성으로 써 볼까 망설였다면, 큰 그림은 말로 하고 세부는 키보드로 하는 이 방식을 따라 해 볼 때.
Hard Fork · NYT (진행 Max Read)
이번 주 Hard Fork는 Anthropic이 종교학자들과 비공개로 만나 AI 의식과 ‘착한 Claude’를 논의한 일을 다뤘다.
NYT 종교 담당 기자, 테크 기자, 칼럼니스트가 나와 Anthropic과 바티칸의 시각 차이를 짚었다.
실리콘밸리에서 새로운 믿음 체계가 생기고 있다는 이야기도 나눴다.
왜 Claude의 가치관을 누가 어떻게 정하는지 궁금했다면, 9월 NYT 기사와 함께 들어 볼 만한 에피소드.
a16z (Raghu Raghuram · Guido Appenzeller)
a16z 팟캐스트에 전 Intel CEO Pat Gelsinger가 나와 AI 인프라의 물리적 한계를 이야기했다.
AI가 칩 설계를 바꿀 수 있지만, 제조·메모리 대역폭·패키징·전력 병목은 그것만으로 안 풀린다고 봤다.
지금 쏟아지는 AI 전용 칩은 결국 몇 가지 구조로 정리될 수 있다고 내다봤다.
왜 AI 인프라 투자나 칩 경쟁을 지켜보고 있다면, 어디가 진짜 병목인지 짚어 보는 데 들어 볼 만한 에피소드.
agi-tracker · GeekNews 스타일 · 점수/댓글 없음